ビジネスにとって最も価値のあるAIのユースケース

簡単な答えは主に手作業ですが、現在の手作業による業務の多くは、AIによって制御されたロボット機器によって行われる日が来るかもしれません。現在、純粋なAIは、デジタルで収集できるという条件下で、デジタルで収集できAIシステムのトレーニングに利用される専門的知識や思考を必要とする多くのタスクを行うために、プログラムされています。AIは夕食後、食洗機に食器を入れるようなことはまだできませんが、法律に関係する文書の作成、製品のデザイン、そして祖母に宛てた手紙を書く手伝いはできます。

AIができることには驚かされます。しかし、ビジネスにおける最良の活用方法とは何でしょうか。ゴッホ風のモナリザを生成するのは楽しいかもしれませんが、それがどれほど利益向上に貢献するでしょうか。以下では、AIのユースケースがビジネスの利益向上に役立つ、非常に生産性の高い27の方法をご紹介します。

AIは対話型AIを活用して、リアルタイムで顧客対応を支援します。音声ベースの問い合わせでは、自然言語処理（NLP）と感情分析を用いた音声認識によって、すぐに会話を開始することができます。また、機械学習アルゴリズムを活用することで、AIは顧客が何を話しているのか、その口調までを理解し、必要に応じてカスタマー・サービスの担当者へ誘導することが可能です。

Text to SpeechとNLPによって、AIはテキストによる問い合わせや指示に即座に応答できます。よくある質問（FAQ）への回答や、次の購入ステップに進むために、お客様を待たせる必要はありません。また、デジタル・カスタマー・サービス担当者は、カスタマー・サービス担当者にアドバイスやガイダンスを提供することで、顧客満足度を高めることができます。

AIの活用は、チャットボット、バーチャル・アシスタント、カスタマー・インターフェースを通じて、大規模にパーソナライズされた体験を提供するうえで効果的です。大規模言語モデル（LLM）を活用することで、これらのシステムは、ユーザーに合わせた体験やターゲット広告を提供することができます。例えば、Amazonは最もよく購入する製品を再注文するよう顧客に促すとともに、関連する商品や商品の提案を表示します。

マクドナルドは、自動注文受付（AOT）テクノロジーの開発を加速するために、IBM Watson AIテクノロジーとNLPを活用したカスタマー・ケアのAIソリューションを構築しています。この加速により、AOTテクノロジーを市場全体にスケールさせることが可能になり、より多くの言語、方言、メニューのバリエーションを含む統合への対応も促進されます。Spotifyでは、顧客のよりよい音楽体験のために新しいアーティストを提案します。YouTubeは、顧客の興味に合わせて厳選されたコンテンツ・フィードを配信します。

レコメンデーション・エンジンは、消費者の行動データとAIアルゴリズムを活用して、データの傾向を発見するのに役立ちます。主要なメトリクスを分析することで、企業はより効果的なアップセルやクロスセルのストラテジーを立てることができ、オンライン小売業者においては、チェックアウト時に顧客にとって有用な追加商品を提案することが可能になります。その他の活用例としては、以下のようなものがあります。

• Netflixは、視聴履歴から収集したデータセットを処理するモデルによって、視聴コンテンツのレコメンデーションを提供しています。
• LinkedInは、ニュースフィード内の投稿をフィルタリングし、求人の推薦やつながりの候補を提案するためにMLを活用しています。
• SpotifyはMLモデルを使用して曲の推奨を生成します。

顔認識は、機械学習を搭載したスマートフォンや音声アシスタントをオンにし、AppleのSiri、AmazonのAlexa、Googleアシスタント、MicrosoftのCopilotはNLPを使用して人々の発言を認識し、適切に応答します。企業はスマートフォンのカメラでもMLを活用していますが、

• 画像分類器を使用して写真を分析・強化したり、
• 画像内の物体（または顔）を検知したり、
• 人工ニューラル・ネットワークを活用して写真の境界の先にあるものを予測し、写真を補完・拡張したりすることもできます。

Amazon社のAlexaやApple社のSiriなどのバーチャル・アシスタントや音声アシスタントはAIを活用しています。これらのアシスタントは、ユーザーに対して適切なタイミングで通知やリマインダー、最新情報を提供することで、ユーザーのエンゲージメントと満足度を高めることができます。ユーザーが音声やテキストで質問をすると、MLがその答えを検索したり、過去に寄せられた類似の質問を呼び出したりします。同じテクノロジーは、Facebook MessengerやSlackで使用されるメッセージング・ボットにも活用できます。一方、Google Assistant、Cortana、IBM Watsonx AssistantはNLPを組み合わせて質問やリクエストを理解し、適切なアクションを実行し、または応答を作成します。

AIを活用して、スキル・ファーストの労働力を惹きつけ、育成し、定着させることができます。大量の応募書類も、正確にスクリーニング・分類され、人事チームの担当者へと渡すことが可能です。手動の昇進アセスメントタスクを自動化することで、たとえば、昇進する従業員を見通すことや、主要なベンチマークに基づいて彼らのパフォーマンスを評価することが容易になり、人事に関する重要な洞察が得られます。スタッフからの日常的な質問は、AIを使用することで高速に回答できます。

ChatGPT、Bard、DeepAIなどの生成AIツールは、限られたメモリのAI機能を利用して、生成するコンテンツ内の次の単語、フレーズ、または視覚要素を予測します。生成AIは、トレーニング・データに基づいて高品質なテキストや画像、その他のコンテンツを生成することで、コンテンツ制作を強化することができます。

IBM Researchは、お客様が生成モデルを使用して高品質のソフトウェア・コードを素早く記述し、新しい分子を発見し、企業データに基づいて信頼性の高い会話型チャットボットをトレーニングできるよう支援しています。IBMチームは、生成AIを使用してプライバシーや著作権に関する法で保護されている現実世界のデータの代わりとなる合成データをも作成し、より堅牢で信頼性の高いAIモデルを構築しています。

エキスパート・システムは、コーパス（機械学習モデルをトレーニングするために使用されるメタデータ）でトレーニングされ、人間の意思決定プロセスを模倣し、この専門知識を活用して複雑な問題を解決することができます。これらのシステムは、膨大な量のデータを評価して傾向やパターンを明らかにし、意思決定を行うことができます。また、企業が将来の事象を予測し、過去の事象が発生した理由を理解するのにも役立ちます。

AIを活用したコンピューター・ビジョンにより、画像セグメンテーションが可能になります。画像セグメンテーションには、医療用画像における診断の補助、ロボティクスや自動運転車の移動の自動化、衛星画像における対象物の識別、ソーシャル・メディアでの写真のタグ付けなど、さまざまなユースケースがあります。ニューラル・ネットワーク上で実行されるコンピューター・ビジョンにより、システムはデジタル画像、ビデオ、その他の視覚インプットから意味のある情報を抽出できるようになります。

AIOps（人工知能を用いたITオペレーション）には多くのメリットがあります。ITオペレーションにAIを組み込むことで、企業はNLP、ビッグデータ、MLモデルが持つ膨大な力を利用してオペレーションワークフローを自動化および合理化し、事象の相関関係と因果関係の判定を監視できるようになります。

AIOpsは、デジタル変革への投資からのROIを高める最も迅速な方法の1つです。多くの場合、支出の最適化、業務効率の向上、新しく革新的なテクノロジーの導入に向けた取り組みが中心ですが、しばしば顧客体験の向上にもつながります。AIが持つその他のメリットには、より持続可能なITシステムの構築や、継続的インテグレーションと継続的デリバリー（CI/CD）パイプラインの改善などがあります。

大手企業は現在、アプリケーションのモダナイゼーションやエンタープライズITのオペレーション（コーディング、デプロイ、スケーリングの自動化など）に生成AIを活用しています。コーディングの場合、開発者は自然言語インターフェースにコーディング・コマンドとしてわかりやすい英語の文章を入力し、自動で生成されたコードを取得できます。コード生成機能を備えた生成AIを使用することで、あらゆる経験レベルのハイブリッドクラウド開発者が、コードの一貫性を保ちながらより少ないエラーで迅速に、レガシー・アプリケーション・コードの新しいターゲット・プラットフォームへの大規模な移行とモダナイズを行えるようになります。

オーバープロビジョニングや過剰な支出を行うことなく、一貫した継続的なアプリのオペレーションを維持することは、AIオペレーション（AIOps）の重要なユースケースです。オートメーションは、クラウド・コストやITチームの最適化において、たとえチームのスキルが高くても欠かせない鍵となります。常に最適なコストでパフォーマンスを提供するために、必要なコンピューティング、ストレージ、データベースの構成を継続的に正確に判断する能力が、必ずしもあるとは限りません。AIソフトウェアは、リソースがいつ、どのように使用されるかを見極め、実際の需要にリアルタイムで対応できます。

サービスの継続的な可用性を確保するために、先進的な企業は、AIとインテリジェントな自動化によって実現されたリアルタイムの根本原因分析機能を活用しています。AIOpsの活用によって、ITOpsチームはインシデントの根本的な原因を迅速に特定し、即座に措置を講じることでインシデントによる平均故障間隔（MTBF）と平均修復時間（MTTR）の双方を短縮します。

また、AIOpsプラットフォーム・ソリューションは、複数のソースからのデータを統合し、事象をインシデントに関連付けます。これにより、動的なインフラストラクチャーの視覚化、統合されたAI機能、推奨される修復アクションを通じて、IT環境全体が明確に可視化されます。

予測型IT管理を活用することで、ITチームはAIを使ってITおよびネットワークのオペレーションを自動化し、インシデントを迅速かつ効率的に解決することができます。また、問題が発生する前に予防的に対処し、ユーザー体験を向上させ、管理業務のコストと工数を削減することも可能です。ツールの乱立を解消するために、エンタープライズ・グレードAIOpsプラットフォームを導入すれば、ITオペレーション全体を一元的に監視・管理できる包括的なビューを提供することができます。

AIはMLを活用することで、さまざまな形でサイバーセキュリティを強化することができます。

• 認証のための顔認識
• 不正アクセス検知
• マルウェアを検知およびブロックするウイルス対策プログラム
• サイバー攻撃を特定・対応するモデルをトレーニングするための強化学習
• 不正侵入を検知したり、イベントを異常やフィッシング攻撃としてラベル付けするアルゴリズムによる分類を行ったりします。

これらのAI駆動型ソリューションは、脆弱性の早期発見、脅威の軽減、セキュリティー侵害による影響の最小化を通じて、リスク管理を強化します。

AIは、猫が書いた俳句を頼むようなことだけではありません。ロボットは物理オブジェクトを扱い、移動させます。産業現場において、特化型AIは、マテリアル・ハンドリング、組み立て、品質検査などの手順の決まった反復タスクを実行できます。AIは、手術中にバイタルを監視し、起こりうる問題を検出することで外科医を支援できます。

農業機械は、剪定、移動、間引き、種まき、散布を自律的に行うことができます。iRobot Roombaのようなスマート・ホーム・デバイスは、コンピューター・ビジョンを使用して家の内部を移動し、メモリーに保管されているデータを使用して進捗状況を把握できます。そして、AIがRoombaを誘導できるのであれば、高速道路上の自動運転車や、流通センターで商品を移動させたり、安全パトロールを行ったりするロボットを制御することも可能です。

AIを用いて機械から直接取得したデータを分析することで予知保全が可能となり、問題を特定して必要なメンテナンスにフラグを立てられるようになります。AIはまた機械の効率を上げることで二酸化炭素排出量を減らすことができます。AIを活用した予測分析を使用することで、メンテナンス・スケジュールがより効率的なものになります。

AIは予測を支援します。たとえば、サプライチェーン機能では、アルゴリズムを使用して、将来のニーズや、タイムリーな配達のために製品を出荷すべき時間を予測できます。これにより、新たな効率性が生み出され、過剰在庫を減らし、再注文漏れによる損失を補うことができます。

ほぼすべての業界おいて、AIはタスクやツールを支援し、効率と生産性を高めることができます。AIはインテリジェントな自動化により、手作業やレガシーシステムを使用して行われていた業務プロセスの効率化を実現します。これらの業務プロセスは大量のリソースを要し、高コストで、ヒューマン・エラーが起こりがちです。以下は、AIのさらなる力によって恩恵を受けている主な業種・業務の一部です。

AIを活用することで自動車メーカーはより効果的な生産予測と生産調整が可能となり、需要と供給の変化に対応できるようになります。ワークフローを合理化することで、効率を上げ、時間のかかるタスクや、生産、サポート、調達などの領域におけるエラーのリスクを低減できます。ロボットの導入によって手作業の必要性が低減され、欠陥の検出効率が向上するため、事業コストを抑制しつつ高品質な車両を顧客に販売できます。

教育やトレーニングにおいて、AIを活用することで各生徒のニーズに合わせた教材のカスタマイズが可能になります。教師やトレーナーはAI分析を使用し、生徒に対する追加の支援や配慮が必要となり得る箇所を特定できます。レポートや宿題で盗用を行う生徒に関して、AIを利用してコピーした内容を発見できます。AI駆動型の言語翻訳ツールとリアルタイムの文字起こしサービスにより、ネイティブ・スピーカー以外の生徒でも授業を理解できるようになります。

エネルギー業界の企業は、需要予測、エネルギー節約、再生可能エネルギーの最適化、スマートグリッド管理にAIとデータ分析を活用することで、コスト競争力を高めることができます。発電、送電、配電プロセスへのAIの導入は、カスタマー・サポート業務の改善にもつながり、イノベーションのためにリソースを充てられるようになります。また、サプライヤー・ベースのAIを使用している顧客は、エネルギーの消費状況に対する理解を深め、ピーク時の消費電力削減に向けた措置を講じることができます。

AI搭載のFinOps（金融+DevOps）は金融機関を支援します データ駆動型のクラウド支出決定を運用化し、コストと性能のバランスを安全にとり、アラート疲労と予算の無駄を最小限に抑えます。AIプラットフォームは機械学習とディープラーニングを使用し、疑わしい取引や異常な取引を見つけることができます。銀行やその他の貸し手は、融資の決定について提案を行うML分類アルゴリズムや予測モデルを利用できます。

多くの株式市場取引では、数十年にわたる株式市場データを用いたMLを使用して市場の動向を予測し、最終的に売買の是非やそのタイミングについて提案を行います。MLは人間の介入なしにアルゴリズム取引を行うこともできます。MLアルゴリズムは、パターンを予測し、精度を向上させ、コストを削減し、人為的ミスのリスクを減らすことができます。

医療業界では、NLPによるインテリジェントな自動化を使用して、データ分析、診断、治療に対する一貫したアプローチを取っています。ヘルスケアの遠隔予約でチャットボットを利用すれば、人間による介入を要する頻度が減り、多くの場合は診断までの時間が短縮されます。

現場では放射線画像処理にMLが利用されており、乳房X線写真の分析や早期肺がんスクリーニングにAI対応のコンピューター・ビジョンが活用されています。また、MLは治療計画の作成、腫瘍の分類、骨折箇所の発見、神経疾患の検出を行うためにトレーニングすることも可能です。

また、遺伝子研究、遺伝子改変、ゲノム配列解析では、遺伝子が健康にどのような影響を与えるかを特定するためにもMLが使用されています。MLは、特定の治療法や薬剤に反応する可能性のある遺伝子マーカーや遺伝子、さらには一部の人に重大な副作用を引き起こす可能性のある要因を特定することができます。

AIによって、保険会社は保険料や支払いを手計算で行う必要がほぼなくなり、請求や見積に関する処理を簡略化できます。また、保険会社ではインテリジェントな自動化を活用してコンプライアンス規制の要件を確実に満たすことで、規制への順守が容易になります。このようにして個人や組織のリスクを算定し、適切な保険料率を計算することもできます。

高度なAIと分析機能は、メーカーに対し、市場動向を予測するための洞察を作り出すことができます。生成AIは、複数の設計オプションの作成を支援することで、企業の製品設計を迅速化、最適化することができます。またAIは、生産効率を高めるための提案も行うことが可能です。生成AIは生産の履歴データを使用して、装置の故障を予測またはリアルタイムで特定し、装置の調整、修理オプション、または必要なスペア・パーツを提案します。また、AIはインベントリー・レベルの最適化、資材不足の予測、物流の改善を通じて、シームレスな生産フローの実現によりサプライチェーン管理を強化します。

ライフサイエンス業界では、創薬と医薬品の生産に膨大な量のデータの収集、照合、処理、分析を必要とします。手作業での開発とテストをすると、計算ミスを引き起こすおそれがあり、膨大なリソースが必要となる場合があります。対照的に、新型コロナウイルス感染症ワクチンが記録的な速さで製造されたことは、インテリジェントな自動化によって生産速度と品質を高めるプロセスが実現された一例です。

AIは、小売業者が消費者の需要の高まりをより深く理解し、それに応えるための秘密兵器になりつつあります。高度にパーソナライズされたオンラインショッピングや消費者直販モデル、配送サービスが小売業と競合する中、生成AIは、小売業者やEコマース企業がカスタマー・ケアを改善し、マーケティング・キャンペーンを計画し、人材やアプリケーションの能力を変革するのに役立ちます。AIは在庫管理の最適化にも役立ちます。

生成AIは、Eメール、画像、動画、音声ファイル、ソーシャル・メディア・コンテンツなどの多様なデータソースの処理に優れています。この非構造化データは、モデル作成と生成AIの継続的なトレーニングのバックボーンを形成し、長期にわたって有益であり続けます。この非構造化データを使用することで、小売業における実務のさまざまな側面にメリットをもたらします。たとえば、チャットボットによるカスタマー・サービスの強化や、より効果的なEメール・ルーティングの促進などです。実際には、これらのメリットには、適切な担当者につなげることや、ユーザーガイドやFAQへの案内などを通じて、ユーザーを適切なリソースへ導くことが含まれます。

AIは、現在、多くの交通システムに情報を提供しています。例えば、Googleマップは ML アルゴリズムを使用して、現在の交通状況を確認し、最速ルートを決定し、「近くを探索」する場所を提案し、到着時間を推定します。

UberやLyftなどのライドシェア・アプリケーションでは、MLを使用して乗客とドライバーをマッチングし、価格を決定し、交通状況を調査し、Googleマップのようにリアルタイムの交通状況を分析して運転ルートを最適化し、到着時刻を予測します。

コンピューター・ビジョンによって、自動運転車を誘導します。教師なしMLアルゴリズムにより、自動運転車はカメラやセンサーから収集したデータに基づいて周囲の状況を理解し、リアルタイムでの意思決定を実現します。

AIにできることの多くは奇跡のように思えますが、一般メディアで報道されているもののうち、多くはただの面白いことや単純に怖いものです。現在、ビジネスで利用できるAIは、多くの産業や業務を飛躍的に向上させる、非常に強力なツールです。会社が最も有益なAIのユースケースを探さず、採用しないと、近い将来、競争において劣悪に陥るでしょう。IBM^®watsonx Orchestrate™のような最も便利なAIツールに目を光らせ、今すぐ使いこなすことで、大きなメリットを享受できるでしょう。